一类含参半正二阶离散周期边值问题正解的存在性

用Guo-Krasnoselskii不动点定理给出半正二阶离散周期边值问题正解的存在性和多解性结果, 其中λ>0为参数, ［1,T］_z={1,2,…,T}, f: ［1,T］_z×［0,∞)→R连续且存在常数D>0, 使得f(t,u)≥-D, (t,u)∈［1,T］_z×［0,∞), a: ［1,T］_z→(0,∞), 02(π/2T).     

加权p-Laplace型方程的刚性

利用加权p-Bochner公式和CarréDu Champ方法研究在加权黎曼流形上加权p-Laplace型方程-L_fv+λ/q-p(v-v~(q-1))=0的刚性问题.这里的刚性是指当方程中的一个参数处于某一范围时,此方程只有唯一常数解.     

多功能浮力舱的双目标优化设计

为优化多功能浮力舱设计方案,进一步发掘半潜船潜在作用,以多功能浮力舱可提供的最大净浮力、生命周期内平均年成本两个指标为目标函数,建立综合考虑技术性能及经济性能的多功能浮力舱双目标优化模型,并采用加权理想点法将双目标优化问题转化成单目标问题实现模型求解.通过实例计算确定了多功能浮力舱的选材以及相应的多功能浮力舱优化设计方案,验证了模型的有效性.通过敏感性分析总结了钢材价格和板材腐蚀速率对多功能浮力舱平均年成本与可提供的最大净浮力的影响规律,可为多功能浮力舱的优化设计提供理论依据.     

沥青路面使用性能评价模型与性能评价案例分析

为了客观准确了解沥青路面的实际使用性能，以便及时进行沥青路面管理与维修养护，依据检测数据对沥青路面进行了使用性能评价研究，即将主成分分析法与层次分析法相结合，建立了基于主成分-层次分析法的评价模型，并进行了评价案例分析。本研究以荣乌高速保定段2016~2019年的路面定检数据为基础，首先用主成分分析法对性能指标归类和预处理后的检测数据进行主成分提取，建立判断矩阵，再用层次分析法对各指标赋予权重系数，得到上下行路面的使用性能评价模型。选用荣乌高速检测数据进行了模型验证，并与现行《公路技术状况评定标准》评价结果相比较，评价等级高于《标准》的路段样本比例约为0.34%，低于《标准》的比例约为6.83%。本研究的评价结果更能够反映路面的实际衰变特性。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.